抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
織物産業用布の種数が多く、テクスチャが複雑であり、人為的な区別が困難な問題に対して、深さ学習技術を導入し、マルチスケール注意力の共起特徴を融合する残差テクスチャーコーディングネットワークモデル(MACTEN)を提案し、これに基づいて、Web端の大規模骨材分類システムを実現した。MACTENは主に注意力共起表現モジュール(ACM),改良残差符号化モジュール(REM),およびマルチスケールテクスチャ符号化融合モジュール(MTEM)を含む。ACMは,注意機構を用いて,テクスチャ共起特徴の重みを適応的に調整し,共起領域を最適化して,共起特徴の共同分布を最適化し,より精緻なテクスチャ共起特徴を形成した。REMは辞書学習方式を通じて、改良残差コードを生み出し、空間不変性の大域的テクスチャ情報を含み、織物テクスチャの無秩序表現問題を有効的に解決する。最後に、MTEMは同時に複数のスケール注意力テクスチャ共起特徴とカスケード残差テクスチャコーディングを融合して記述子として、異なる形状の大きさの無秩序な布テクスチャを表示できる。MACTENは,自作布データセットにおいて,いくつかの基線アルゴリズムより,より良い表現を持った。さらに,KTHTIPS,FMD,DTDデータセットの実験結果は,MACTENが汎用テクスチャ分類アルゴリズムとして一般化できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】